高分辨率遥感影像因其具有丰富的空间信息和纹理信息,已经取代传统的低分辨率卫星遥感影像。针对高分辨率影像分类方法日益更新,人们不断挖掘高分辨率影像中的丰富信息,使得高分辨率卫星影像在国土资源、环境监测、城市规划、精密农业等领域的应用愈加广泛。对于高分辨率遥感影像的小区域湿地需要找到一个最佳方法来进行湿地覆盖的分类。本文首先对石佛寺人工湿地原始高分辨遥感影像进行影像预处理和影像融合。利用面向对象分类、监督分类、非监督分类、基于专家知识的决策树分类四种分类方式,基于Word View-2(2011年影像数据)和GF-1(2018年影像数据)高分辨率两个年份的卫星影像,分析了小区域湿地土地影像分类并根据分类精度筛选出了最佳分类方式。进而利用最佳分类方式即面向对象方法,统计分类后的面积,评价了石佛寺人工湿地的土地动态变化。主要研究结论如下:(1)在ENVI中进行HSV变换、Gram-Schmidt变换、Brovey变换和NND变换实验,分析融合后的影像,基于IDL编程计算融合评价指标,发现Gram-Schmidt变换无论是在空间信息还是纹理信息方面,均具有较高的保留度;(2)针对高分辨率影像探究分类方法的有效性,探究了传统分类方法分类结果,基于最大似然法进行监督分类,利用K-Means法实现非监督分类,决策树分类基于e Cognition的影像分割进行决策树分类。在面向对象分类中,分析了不同分割尺度和分割参数下影像的表现形式,选取最优的分割尺度对建筑、水体、林地、人工牧草地、道路、滩涂、芦苇、荷花和蒲草分类,通过各尺度均值方差、最大面积等,得出对于2011年的Word View-2影像和2018年的GF-1影像,建筑、林地和道路的最优分割尺度分别是120和80,芦苇和蒲草最优分割尺度分别是240和140,荷花和草地最优分割尺度分别是400和180,裸地和水体最优分割尺度分别是580和200;(3)计算2011年的Word View-2影像和2018年的GF-1影像的分类结果的精度,得出两种影像面向对象分类精度分别是88.13%和90.8%。非监督分类、监督分类精度低于80%,决策树分类精度较监督分类和非监督分类稍高,Word View-2影像和GF-1影像分别是82.8%和84.12%;同一影像纵向比较各种方法,两张图都得出了面向对象方法精度优于其他方法。统计分析面向对象的面积,基于单一土地动态模型分析湿地植被类型的动态变化,可知,蒲草增长最快,2011-2018的年变化率达到11.58%。荷花次之,年增长率为5.2%,芦苇年增长比率较低(1.32%)。从整体来看人工牧草地和林地面积变化较少,同时植被面积不断扩张,给石佛寺人工湿地营造了良好的区域生态环境。